单人运营多个自媒体账号常面临流程割裂、易漏步骤、效率低下等问题。本文通过WorkBuddy的自定义Skill系统，将内容创作拆解为标准化流水线，并自建原创检测、多平台适配等核心模块。读者可据此评估自身账号的自动化可行性，明确哪些环节可交由工具串联，哪些必须保留人工确认。
8步内容创作流水线设计
将内容生产拆分为8个标准化步骤，每步对应一个或多个Skill，由总控Skill自动串联调用：
选题 → 写稿 → 原创检测 → 标题优化 → 违禁词扫描 → 配图设计 → 多平台适配 → 发布追踪流程中设置两个人工确认节点：
- 原创检测未通过（评分<70%）：暂停，按建议改写后重新检测
- 违禁词扫描有风险：暂停，替换敏感表述后重新扫描
其余步骤由总控Skill（content-workbench）自动执行，但最终发布仍需手动操作。具体原因见后文踩坑部分。
涉及的Skill清单
- 总控：content-workbench（自建）
- 选题：uapis.cn热榜API（免费第三方API）
- 写稿：toutiao-hotspot-rewriter、wechat-rewrite（社区安装）
- 原创检测：content-originality-checker（自建）
- 标题优化：wechat-title（社区安装）
- 违禁词：wechat-prohibited-word（社区安装）
- 配图：ImageGen / Pollinations.AI（内置/免费）
- 多平台适配：multi-platform-adapter（自建）
- 发布追踪：publish-tracker（自建）
- 辅助：wechat-search / wechat-10w-hot（社区安装）
其中4个为自建Skill，下文将详细拆解实现逻辑。
自建核心Skill实现细节
1. content-originality-checker（原创度检测器）
解决的问题：改写热点内容时，需要量化指标判断改写程度，避免凭感觉判断。
技术实现：Python脚本，基于n-gram和Jaccard相似度，纯本地运行。
核心算法——n-gram提取（中文按字、英文按词）：
def get_ngrams(text: str, n: int = 3) -> set[str]:
"""提取 n-gram（中文按字，英文按词）"""
cleaned = re.sub(r"[^\w一-鿿]", "", text)
has_chinese = bool(re.search(r"[一-鿿]", cleaned))
if has_chinese:
chars = re.findall(r"[一-鿿]", cleaned)
if len(chars) < n:
return set()
return {"|".join(chars[i:i+n]) for i in range(len(chars) - n + 1)}
else:
words = cleaned.lower().split()
if len(words) < n:
return set()
return {"|".join(words[i:i+n]) for i in range(len(words) - n + 1)}相似度计算使用Jaccard系数，3-gram和4-gram加权（0.4/0.6）：
sim_3 = jaccard_similarity(orig_3gram, src_3gram)
sim_4 = jaccard_similarity(orig_4gram, src_4gram)
overall_sim = sim_3 * 0.4 + sim_4 * 0.6原创度评分公式：
originality_score = (1 - overall_sim) * 0.5 + sentence_originality * 0.5其中 sentence_originality 为每个句子与来源原文中最相似句子的Jaccard距离平均值。
使用方式：
python check_originality.py --original my_article.txt --source source_article.txt输出包含：原创度评分（0-100%）、高重复段落标注（相似度>0.5的句子）、改写建议（按相似度分级：>0.8几乎照搬需重写、>0.6高度相似需重构、>0.5中度相似需替换）。
评分参考线：≥70%可发布，50-69%需改写，<50%需整体重写。
2. multi-platform-adapter（多平台内容适配器）
解决的问题：同一篇素材需适配头条、公众号、小红书，三者在字数、结构、语气、标签格式上差异显著。
实现方式：建立参考文件 references/platform_specs.md，固化各平台规范：
- 字数范围：头条800-1500 / 公众号1500-3000 / 小红书300-800
- 标题风格：头条数字悬念式 / 公众号情感钩子式 / 小红书直白利益式
- 结构模板：头条导语+小标题 / 公众号叙事+金句 / 小红书钩子+要点+互动
- 排版规范：Emoji用量、分段长度、标签格式
Skill本身不包含代码，而是通过参考文件指导AI按规范输出三个版本，并执行差异化检查，防止一稿多投被平台判定重复。
3. publish-tracker（发布数据追踪器）
解决的问题：发布后缺乏系统记录，难以评估内容效果与最佳发布时间。
技术实现：Python脚本初始化Markdown格式追踪文件：
TRACKER_PATH = Path(r"E:\WorkBuddy\Data\outputs\data\publish_log.md")
content = f"""# 发布数据追踪日志
> 每次发布后追加一行记录，3天后更新表现数据。
> 初始化日期：{today}"""记录字段包括：标题、平台、赛道、发布时间、3天阅读量、3天互动数据。积累10篇后可手动生成效果分析。
4. content-workbench（内容工作台总控技能）
解决的问题：各Skill独立运行，手动触发易漏步骤。
实现方式：SKILL.md的frontmatter定义触发条件与允许调用的工具：
---
name: content-workbench
version: 1.2.0
description: |
内容创作工作台。整合公众号和头条号全流程的总控技能。
当用户说"开始工作""内容工作台""今天写什么"时触发。
allowed-tools:
- Read
- Write
- Edit
- Bash
- WebSearch
- WebFetch
- Skill
---触发后展示当日待办（3个账号各需产出内容），用户选择后自动按8步流水线顺序调用对应Skill。在原创检测和违禁词扫描节点会暂停等待人工确认。
头条写作格式自动判定机制
头条平台包含“微头条”（100-300字）与“头条文章”（800-1500字）两种格式。在 toutiao-hotspot-rewriter 技能的参考文件中配置关键词触发表：
- 说到「微头条、短、快评、一句话、说两句」→ 仅输出微头条
- 说到「文章、长文、深度、详解、写一篇」→ 仅输出头条文章
- 说到「都要、两种、全都要」→ 两种格式均输出
- 未带关键词（如“蹭个热点”）→ 默认两种格式均输出并提示
该机制避免每次重复说明格式需求，提升指令响应效率。
自动化踩坑与修正方案
坑1：头条自动发布走不通
最初尝试使用Playwright自动化登录头条后台发布草稿，但遭遇反爬机制拦截：
- Headless Chrome的User-Agent会被检测
- 改为正常Chrome UA仍被拒（API返回code:7050）
msToken和a_bogus参数由前端JS SDK动态生成，无头浏览器无法复现
最终方案：WorkBuddy自动生成文案和配图 → 手动复制粘贴到头条发布。自动化覆盖“写稿→检测→配图”环节，发布环节保留人工操作。
坑2：配图环节遗漏
初始流水线第6步仅标注“封面设计（仅公众号）”，导致头条号配图被跳过。实际头条文章需3-5张正文配图，微头条需1-3张配图以提升点击率。
修正后的配图规格：
- 公众号：正文2-3张 + 封面1张
- 头条文章：正文3-5张（每个小标题下1张），首图即封面
- 微头条：正文1-3张
写稿时正文中自动标注  占位符，例如“甜瓜切开后靠近果皮的横截面特写”，避免使用笼统的“配图”指令。
定时任务与可视化面板
自动化定时任务
结合WorkBuddy的Automation功能，设置7条定时任务：
公众号（4条）
- 7:00 — 不着急的老伙计 第1篇
- 19:00 — 不着急的老伙计 第2篇
- 12:00 — 半程赴山海 第1篇
- 21:00 — 半程赴山海 第2篇
头条号（3条）
- 7:00 — 微头条①（固定选题，痛点分点式模板）
- 11:30 — 微头条②（固定选题，故事引入式模板）+ 问答
- 19:30 — 微头条③（追当天热点，反常识开头式模板）
到点后WorkBuddy自动生成文案和配图建议，手动复制到各平台发布。头条晚间任务会先拉取热榜筛选中老年相关热点，若无合适热点则fallback至固定选题。
本地可视化面板
使用纯静态HTML构建本地运行面板，浏览器打开即用，不依赖后端服务。面板包含：
- 3个账号卡片：显示每日进度，点击复制对应Prompt
- 8步流水线图：每步标注调用的Skill
- 技能速查网格：所有Skill一览
- 快捷指令：一键复制常用Prompt
- 今日产出记录：使用localStorage追踪进度
总结与建议
该工作台目前覆盖“选题→写稿→检测→配图”的内容生产环节，通过定时任务实现到点自动生成。需人工参与的环节包括：发布操作、旧作品管理、互动评论、数据记录。
技术核心在于利用Skill的参考文件机制（references目录）将平台规范、写作模板、触发表等知识固化，使AI每次按规范输出，避免重复描述需求。若计划搭建类似自动化流程，建议先手动跑通单篇流程，确认各环节输入输出对齐后再进行串联与自动化。
